简单推荐模型之三:基于内容信息的推荐模型

发表于 | 分类于 ，

背景

  • 对于基于流行度预测的推荐的问题
    • 推荐结果不是个性化的。因为流行度预测是一种全局的预测，每个人得到的推荐结果是一样的
  • 而协同过滤的问题
    • 强烈依赖相似用户以及相似物品的定义
    • 而且对于新用户或者新物品来说有数据稀缺的问题

因此，在实际应用中，往往不能在整个系统中单独使用协同过滤

基于内容信息的推荐系统

  • 定义
    基于内容信息的推荐系统，其实就是用特征（Feature）来表示用户、物品以及用户和物品的交互，从而能够把推荐问题转换成为监督学习任务

特征工程

  • 特征工程(物品信息)
    需要将用户和物品的所有信号用特征来表示
    • 物品的文本信息
      • 用 TF-IDF 的方法来形成文本向量。当然，因为文本信息的噪声相对比较大，并且数据维度也比较大（维度等于文本所对应语言的词汇量），很多时候我们都寻求降低这部分数据的维度，降低到一个固定的维度。这种时候，很多所谓“降维”的工具就很有必要了
      • 用“话题模型”（Topic Model）对文本进行降维的。也就是说，我们针对每一个文字描述都可以学习到一个话题的分布，这个分布向量可能是 50 维、100 维等等
      • 使用各种“词嵌入向量”（Word Embedding）的方法来为文字信息降维，从而能够使用一个固定的维度来表达文字信息
    • 物品的类别信息
      • 直接获取分类，比如新闻的分类，或者通过其他渠道得到直接的分类
      • 使用ML的手段，来得到分类
    • 知识图谱挖掘信息
      • 利用知识图谱进行知识的深挖
      • 举个例子，某一篇新闻文章是关于美国总统特朗普的，于是这篇文章可能就会自动被打上美国总统、美国政治等其他标签。这种通过一些原始的信息来进一步推断更加丰富的知识信息，也是重要的物品类别特征的处理工作
  • 特征工程(用户信息)
    • 最基础、最首要的肯定是用户的基本特性，包括性别、年龄、地理位置
    • 还有围绕这三个特性发展出来的三大种类的特性。比如，不同性别在文章点击率上的差异，不同年龄层在商品购买上的差异，不同地理位置对不同影视作品的喜好等
    • 我们可以为用户进行画像（Profiling）
      • 有显式的用户画像，比如用户自己定义的喜好，或者用户自己认为不愿意看到的物品或者类别
      • 隐式的：通过用户的“隐反馈”（Implicit Feedback），来对用户的喜好进行建模

目标函数

对于究竟在哪种场景中使用什么样的目标函数，这依然是当前的一个主要研究方向

  • 基于评分
    纯粹的基于评分（Rating）的协同过滤推荐系统一样，我们可以设置监督学习的目标函数是拟合评分。当然，已经有很多学者指出评分并不是推荐系统的真正目标。
  • 基于点击率，购买率
    在实际系统中比较常见的目标函数有点击率和购买率，也有一些相对比较复杂的目标函数，比如预测用户在某一个物品上的停留时长

总结

  • 背景：基于流行度和协同过滤的缺点
  • 如何构建特征工程，包括物品和用户
  • 目标函数的确定很重要